文献

J-GLOBAL ID：201702248926540560   整理番号：17A0456710

コンピュータ碁におけるただ一つのビクターパターン学習【Powered by NICT】

Only-One-Victor Pattern Learning in Computer Go

著者 (6件)： Wang Jiao (College of Information Science and Engineering, Shenyang, China) ,  Xiao Chenjun (Software College, Northeastern University, Shenyang, China) ,  Zhu Tan (College of Information Science and Engineering, Shenyang, China) ,  Hsueh Chu-Husan (Department of Computer Science, National Chiao Tung University, Xinzhu, Taiwan) ,  Tseng Wen-Jie (Department of Computer Science, National Chiao Tung University, Xinzhu, Taiwan) ,  Wu I-Chen (Department of Computer Science, National Chiao Tung University, Xinzhu, Taiwan)
資料名： IEEE Transactions on Computational Intelligence and AI in Games  (IEEE Transactions on Computational Intelligence and AI in Games)
巻： 9  号： 1  ページ： 88-102  発行年： 2017年 
JST資料番号： W2264A  ISSN： 1943-068X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： プロの棋譜からのドメイン知識獲得自動,パターン学習,コンピュータ囲碁における魅力的で挑戦的な課題である。教師つき学習法を提案し,棋譜からのパターンを学習するために,ただ一つのビクターと名付けた新しい一般化Bradley-Terryモデル導入した。基本的には,著者らのアルゴリズムは,Elo評価アルゴリズム,移動パターンの基としてゲーム記録における各移動を考慮したと同じ考え方を適用すると,選択は電流に搭載された全群間の種競争の勝利者として移動する。しかし,Elo評価アルゴリズムで使用されるグループ間の競争のための一般化Bradley-Terryモデルと異なっており,本研究でただ一つのビクターモデルは独立した一対比較の基のような過程を考慮した可能性のある候補の集合から決定選択の過程をシミュレートした。ただ一つのビクターモデルの正しさを証明するためにグラフ理論モデルを使用した。さらに,Minorization最大化(MM)を用いて最適化問題を解いた。それ故,アルゴリズムはまだElo評価アルゴリズムの多くの計算上の利点,高次元特徴空間スケーラビリティを持っている。115,832動きと同じ特徴設定を含む訓練セットを用いて,我々の実験結果は,ただ一つのビクターはElo定格,良く知られた最良の教師つきパターン学習法より優れていることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： グラフ理論 ,  ドメイン知識 ,  ゲーム ,  *コンピュータ ,  最適化問題 ,  電流 ,  *学習 ,  高次元 ,  教師つき学習 ,  アルゴリズム
準シソーラス用語： コンピュータ囲碁 ,  棋譜 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： コンピュータ ,  碁 ,  学習